この要約でわかること：なぜよく使われるリスク管理手法には欠陥が多いのか、そして私たちに何ができるのか。
天気予報はどれも高度なモデルと膨大なデータに支えられています。分析・発表された情報を見れば、ピクニックが雨で台無しになるかどうかをかなりの精度で知ることができます。「どうせレインコートを着ればいいだけ」と思うかもしれません。
しかし、変動の激しい市場で動く数十億ドル規模の企業や、津波や地震の発生確率を計算しようとする科学者にとって、リスクとその管理は真剣勝負です。そして今、その重要性はかつてなく高まっています。ところが、現在使われているリスク評価・管理手法の多くは欠陥だらけです。幸い、この問題を克服する方法はあります。その方法をこれからお伝えします。
リスク管理とは、賢くリスクをとること
これから学べるのは：
- 専門家の意見が過大評価される理由
- モンテカルロとリスク管理の意外な関係
- 一度も起きたことのない出来事のリスクを計算する方法
科学的・数学的文脈では、リスクは常に、好ましくない影響の確率とその規模を表します。では、確率と規模は何を測るのでしょうか。確率は常に、何かが起きる見込み（たとえば自宅に雷が落ちる確率）を推定します。一方、規模はさまざまな尺度で測れますが、最も一般的なのは金銭的損失や人命の損失です。ただし、望ましくない出来事は自然災害から大規模リコール、政情不安まで何でもあり得ることを忘れてはいけません。では、リスクを「管理する」とはどういうことでしょう。それは、危険を減らすために資源を効果的に使うことです。
たとえば「管理」の定義として最もよく使われるのは、「資源を計画・組織化・調整し、定められた目標に向けて導くこと」です。言い換えれば、手持ちのものを活用して必要なものを得ること。リスク管理者は、この目標を達成するために、常に目的遂行にともなうリスクの低減を図ります。他の管理業務と同様、リスク管理は限られた資源（資金や時間など）を効果的に使って任務を完了する取り組みなのです。では、リスク管理がどのように発展し、今日どう応用されているかを見ていきましょう。
リスク管理は世界中の企業で重要性を増している
組織的なリスク管理の始まりは、かつて王や指導者が都市の城壁を強化したり、厳しい冬に備えて蓄えを増やしたりした決断にまでさかのぼれるかもしれません。しかし、リスク管理はその始まりから長足の進歩を遂げ、特にコンピューターの登場で飛躍的に向上しました。とはいえ、デジタル化以前の1940年代にはすでに原子力発電や石油探査のリスクが、リスク管理の高度化を促していました。これが、今日では分野を問わず大部分の大組織がリスク管理を重視する大きな理由です。では、なぜここまで重要な分野に発展したのでしょうか。
大きな転機は、第二次世界大戦、そしてその後の冷戦期におけるリスク分析の活用でした。戦時中、「戦争の量的分析者（ウォー・クオンツ）」と呼ばれる主にエンジニアや経済学者から成るグループが、量的計算手法の徹底的な訓練を受けました。彼らはこの手法で、敵の推定生産能力や侵略リスクなど、多様な事柄を明らかにしていきました。しかし現在、リスク管理の対象は戦争だけにとどまりません。政府機関から企業まで、あらゆる組織がリスクを分析しています。その一例を見てみましょう。2007年、『エコノミスト』誌、保険ブローカーのエーオン、リスク管理コンサルティング会社プロティビティが、それぞれ大規模な独立調査を実施しました。
この調査は29カ国・320以上の組織を対象に、リスクとリスク管理の役割を調べたものです。結果は？ 質問の表現ややや異なる要素に焦点を当てたものでしたが、興味深い共通点が見られました。たとえば、3つの調査すべてで、組織レベルでのリスク管理機能が増大していることが示されたのです。どの調査を見るかによりますが、全企業の35％から60％が最高リスク責任者（CRO）をすでに採用しているか、採用予定であることがわかりました。またエーオンの報告では、調査対象企業の88％で取締役会が「リスク管理のレビューに積極的に関与している」ことが明らかになりました。
最も普及しているリスク評価手法は機能しない
リスク管理が重要であることは明らかです。しかし問題があります。最もよく使われている手法は欠陥だらけなのです。どこが問題なのでしょうか。まず、よく使われる「非常に起こりやすい」といった定性的な表現は解釈が人によってバラバラで、同じ言葉でも指す意味が異なります。
ある取り組みの影響度が「レベル5」と説明されたとき、グループ内で一貫した理解を保つにはどうすればいいのでしょうか。別の言い方をすれば、「非常に低い」確率が「中程度」の確率より起きにくいことは誰でも知っていますが、では「どれだけ」起きにくいのか？ それは誰にも言えません。これを実証するため、著者は、同僚と集中的なリスク評価ワークショップを受けたばかりのクライアントに、ある出来事が「非常に起こりやすい」とはどういう意味か尋ねました。そのクライアントは「20％の確率で起こるということだ」と答えました。しかし同僚たちはこれに同意せず、激しい口論に発展したのです。見積もりが低すぎるという人もいれば、高すぎるという人もいました。
しかし、一般的な手法の欠陥はそれだけではありません。もう一つの大きな問題は、スコアリング手法がリスク間の関係を考慮していないことです。たとえば、多くの場合、リスク要因は互いに関連しています。相関関係があったり、両方のリスク結果の発生確率を高める「共通モード障がい」によるものだったりします。航空機の油圧系統を考えてみましょう。1機の航空機に同一のシステムが3系統搭載されることがよくあります。冗長性によって3系統すべてが同時に故障する確率は10億分の1とされています。しかし、ここに一つの問題があります。それが共通モード障がい、つまり他の事象を誘発したり、発生しやすくしたりする可能性です。
この状況では、油圧チューブが互いに近接して設置されていることから共通モード障がいが生じます。その近接性のせいで、破損したプロペラの破片が3系統すべてを切断するといった単一の事象で全滅する可能性が極めて高くなるのです。残念ながら、問題はこれで終わりません。一般的な手法にはもう一つ、専門家の意見だけに頼っているという欠陥があります。次にそれを探ります。
専門家の意見には往々にしてバイアスがかかっている
尊敬される専門家の意見は、あらゆる事柄で人々に信頼され、頼りにされており、リスク管理手法も例外ではありません。しかし、専門家の意見はリスク評価にさほど役立たない可能性があります。なぜでしょうか。一つには、広範な心理学研究が一貫して示しているように、人は自分の能力を過大評価する傾向があるからです。
たとえば、スタンフォード大学MBAの学生の87％が、自分の成績はクラスの上位半分に入っていると考えています。また別の有名な研究では、明らかに大多数の人が「自分は平均より運転がうまい」と主張しますが、それが間違いであることはほとんどの人が知っているはずです。さらに証拠は続きます。コーネル大学の心理学者クルーガーとダニングは、『無能で無自覚――自分の無能さを認識できないことが、いかに過大な自己評価につながるか』という本を出版し、人口の約3分の2が自分は極めて分別があり、ユーモアがあり、文法的に正しいと考えていることを明らかにしました。著者によれば、いわゆる専門家もこの統計の影響を免れません。専門家は自分の予測に自信過剰になりがちで、そのためにリスクを過小評価してしまうのです。しかし、リスク管理における専門家の意見にはもう一つ問題があります。それは、人々の経験にバイアスがかかっているという事実です。ノーベル経済学賞受賞者である心理学者ダニエル・カーネマンらが、確率を評価する能力に欠陥があることを示すために使ってきた事実です。
しかし、どのように欠陥があるのでしょうか。単純な真実として、私たちの記憶は100％完璧ではなく、コンピューターのようには働きません。そのため、心は「ピーク・エンドの法則」などのバイアスに影響されます。この法則は、私たちは通常、極端な経験や最近の経験を他のものよりよく覚えているというものです。たとえば、かつて降水確率5％の予報にもかかわらず雨で台無しになったピクニックを経験すると、予報が外れたことを強く記憶し、他の何度も的中した予報のことを忘れてしまうために、予報は不正確だと決めつけがちになります。
キャリブレーション・トレーニングで自信過剰を減らし、確率推定を改善できる
専門家の意見も他の人と同様にバイアスがかかっていますが、最も定量的に正確な手法でも、リスクを効果的に特定するためには何らかの専門家の助言が必要です。良いニュースは、専門家の意見を改善する方法があることです。それがキャリブレーション・トレーニングで、その仕組みは次のとおりです。キャリブレーション・トレーニングの主な目的は、自分の「不確実さ」を正確に認識させることです。このトレーニングで最も重要なのは反復とフィードバックですが、キャリブレーションの方法は多数あります。
たとえば、わかりやすいキャリブレーション演習として、レンジ（範囲）のテストがあります。このトレーニングは、モンテカルロ・シミュレーションのような確率モデルの推定値を調整する上で特に重要です。モンテカルロ・シミュレーションについては後ほど詳しく説明します。まず、レンジテストの方法はこうです。被験者に「宇宙に行った最年少の人は何歳だったか」とか「1年前の鉄鋼1トンのドル価格はいくらだったか」といった質問をします。被験者は下限値と上限値を答え、下限値は「実際の値がこれより高いことに95％の確信がある」境界、上限値は「実際の値がこれより低いことに95％の確信がある」境界を示します。
別のテスト方法に「事後分析」があります。この演習では、被験者は災害がすでに発生したと仮定してその確率を推定し、なぜ起きたのかを問われます。この方法は、ブレインストーミングだけの場合よりも潜在的リスクについてより完全で創造的なアイデアを生み出すのに有効だと実証されています。忘れてはならないのは、このような手法でキャリブレーションされた専門家が、あらゆる確率論的リスク評価手法にとって最良のデータソースだということです。では、リスク評価の手法として最善なのは何でしょうか。
最も正確にリスクを推定するならモンテカルロ・シミュレーション
リスク評価の絶対的な最良手法は「モンテカルロ・シミュレーション」と呼ばれるものです。これは、原子力の安全性から石油探査、さらには環境政策まで、考え得る最大級のリスクの評価に使われてきました。どのように機能するのでしょうか。モンテカルロ・シミュレーションは、特定のリスクに関連する変数を分析し、データを処理してリスク分析モデルを作り出します。
言い換えれば、モンテカルロはリスクの確率と規模に影響を与えるすべての要因を表示し、それを使って何千ものランダムなシナリオを実行し、特定の結果が生じる真の確率を割り出します。たとえば、レンチを製造する新工場に150万ドルを投資したいと考えたとします。変数は、工場の生産能力、レンチ1本の平均価格、年間平均需要です。これらの変数を組み合わせれば、初年度の投資収益率、つまりまったく儲からないリスクを判断できます。次のステップは？
変数が決まったら、それらに現実的な範囲を設定する必要があります。理想的なシナリオでは、経験的データを使えるといいのですが、多くの場合、何らかの専門家の意見に頼らざるを得ません――もちろんキャリブレーション・トレーニングで改善したものを。さて、キャリブレーションされた専門家が、生産能力の下限から上限を40万本から100万本、価格の範囲を0.7ドルから2.5ドル、需要の範囲を30万本から150万本と見積もったとします。
するとモデルは、これらの範囲内で1万以上のシナリオをランダムに生成し、それぞれの状況でいくら儲かるか、あるいは損をするかを教えてくれます。変数の確かさが十分であれば、返ってきた全結果の平均が実際のリターンになるはずです。ただし、この仮定は単純化されており、変数間の相関（たとえば需要と価格の相関）のようなややこしい要素を含んでいなかったことを忘れないでください。標準的なシミュレーションでは、50以上の変数が複雑に絡み合っていることがよくあるのです！
データ不足を理由にリスク計算を諦めてはいけない
モンテカルロ・シミュレーションのような定量的確率手法に対してよくある批判は、特定の出来事をシミュレートするのに十分なデータが存在しないというものです。懐疑派は、スコアリングなどのソフトな手法よりは方法論として優れていると認めつつも、シミュレーションを有効に機能させるのに必要なデータを得る方法はないと主張し、それをもとに専門家の意見とスコアリング手法の使用を正当化します。しかし実際には、もっと良い選択肢があります。保険会社や原子力産業のような機関は、仮想的な出来事の確率を日常的に計算しています。
たとえば、原子力企業は、500年に一度起きるかどうかという事象――つまり、産業自体の歴史より長い頻度の事象――のシミュレーションをいくつも実行してきました。どうやっているのでしょうか。リスクモデル（この場合は原子力発電所）を構成要素に分解し、個々の構成要素の故障リスクを計算するのです。これが成り立つのは、まだ一度も起きたことのない災害については確かにデータが存在しなくても、原子力産業は発電所を構成する個々の部品（ヒューマンエラー、バルブ、さまざまな材料など）の故障率に関しては膨大な研究と経験的データを保有しているからです。
この分解の手法は、ほとんどの状況に応用できます。リスク評価の対象を注意深く分解してデータを探せば、驚くほど多くのことがわかるでしょう。こうしてデータを入手したら、構成要素間の関係について必要な知識を持つ人物にそれを渡し、モンテカルロのようなリスクモデルを構築します。そのモデルが、複数の部品が同時に、または連続して故障する確率を計算し、災害の規模も算出してくれるので、一度も起きたことのない出来事のリスクをこうして把握できるのです。
モデルを現実の事実と照合し、追加情報の価値を判断せよ
つまり、あらゆる確率評価の正確さは、使用するモデルの質と、そこに入力されるパラメーターや前提の精度にかかっています。そうとわかれば、自分の推定値を現場の事実と比較することで、モデルの正確さを保証できます。なぜでしょうか。自分の予測を現実と照合すれば、見積もりに常に欠けている変数などの欠陥が発見されるからです。
この情報は、モデルの弱点を見つける鍵となり、確率ツールの改善に役立ちます。では、組織にとってリスク分析の実施に価値があるかどうかは、どうすればわかるのでしょう。それを判断するには、追加情報の価値を考慮しなければなりません。たとえば、リスク分析の究極の目標は危険を軽減することです。ビジネスの文脈では、ほぼ常にそれはコスト削減を意味します。そのため、リスク専門家が「追加情報の期待価値」と呼ぶものを計算することが不可欠です。たとえば、調査に8000ドルを費やすことで3万ドルのリスク最小化が図れるなら、その支出は迷う必要のないものです。
しかし、著者の経験によると、ほとんどの人は追加情報の価値を判断するために時間を割いていません。次の簡単なステップで、リスク分析の価値を計算することで、このミスを避けられます。まず「期待機会損失」を求めます。これは、どんなシナリオでも損失が出る確率に、その損失額を掛けたものです。この数字、つまり「間違っていることの期待コスト」が6万ドルだとしましょう。これで、投資の確実性を得るためにいくら情報に費やしてもいいかがわかります。この数字を決めたら、次に、モデルの中で目標パラメーター（この場合は投資収益率）に最も寄与する不確実な変数を探します。たとえば、自社製品の平均価格に対する確信を高めることが、利益を上げる確実性を大幅に向上させるかもしれません。
包括的な組織戦略で、効率的かつ効果的にリスクを管理する
適切なリスク管理ツールを構築し、活用し、維持することはリスク軽減に不可欠ですが、正しいツールがあっても、リスク管理にはまだ多くの障壁が存在します。たとえば「組織のサイロ（縦割りの壁）」のような、情報・資源・権限の流れを阻害する構造的問題です。すべてのマネージャーはある程度リスク管理者でもある、という事実を考えてみてください。なぜなら、あらゆるマネージャーは多かれ少なかれリスクとリターンを測定する必要があるからです。ほとんどの場合、マネージャーは自分の担当領域のリスクを効果的に監視できます。しかし、新しい生産設備の建設のように複数部門にまたがる影響を持つ重要な意思決定のリスクを評価するとなると、より包括的な分析アプローチが必要です。
なぜなら、組織のサイロや、頑なで他者と容易に情報を共有しない部門・マネージャーといった問題を克服する助けになるからです。そのため、リスクに関わるすべての決定をレビューし標準化すると同時に、意思決定者と専門家を一本化する部門を設けることが不可欠です。なぜなら、そうした部門は、リスクとそれらの関係性を組織全体で監視するだけでなく、リスクとリターンの評価に欠かせない利害関係者や専門家をより的確に特定できるからです。それだけでなく、リスク分析の標準化されたプロセスを持つことで、新しい経験的データを追加して既存のリスクモデルを最適化し、「シナリオ・ライブラリ」――変数と相関性の一式を備えた企業の標準的リスクシナリオ集――を構築できます。このツールは、組織の誰にとっても共通の基準として使えるのです！
最後に
この本の核心：最も一般的なリスク管理手法は、定性的な表現に依存し、人間のバイアスとリスク間の関係を考慮していないために欠陥がある。 リスクを効果的に把握し管理するには、キャリブレーションされた専門家と包括的な変数に基づく確率モデルを使うことが不可欠である。
さらに読みたい方へ： ブラック・スワン（ナシーム・ニコラス・タレブ著） 『ブラック・スワン』は、私たちが感じるランダム性と予測の限界についての洞察を提供する。正確さよりも直感に訴える手法への過度の依存、ランダム性を理解し定義する根本的な無力さ、そして生物学的な制約さえもが、誤った意思決定を招き、時には世界の理解を塗り替える「ブラック・スワン」――不可能と思われていた出来事――を生み出す理由を明らかにする。
